Instrucciones
Has identificado un vacío en el mercado de las redes sociales para publicaciones muy, muy cortas.
Ahora que Twitter permite publicaciones de 280 caracteres, las personas que quieren actualizaciones rápidas en redes sociales no están bien atendidas.
Decides crear tu propia red social.
Para que tu producto llame la atención, lo llevas al extremo y solo permites publicaciones de 5 caracteres o menos.
Cualquier publicación de más de 5 caracteres debe truncarse a 5.
Para que tus usuarios se expresen plenamente, permites emoji y otros caracteres Unicode.
La tarea es truncar los strings de entrada a 5 caracteres.
Codificaciones de texto
El texto almacenado digitalmente tiene que convertirse en una serie de bytes.
Hay 3 formas comunes de asignar caracteres a bytes.
-
ASCII puede codificar caracteres del idioma inglés.
Todos los caracteres miden exactamente 1 byte.
-
UTF-8 es una codificación de texto Unicode.
Los caracteres ocupan entre 1 y 4 bytes.
-
UTF-16 es una codificación de texto Unicode.
Los caracteres miden 2 o 4 bytes.
UTF-8 y UTF-16 son ambas codificaciones Unicode, lo que significa que son capaces de representar una enorme variedad de caracteres, entre ellos:
- Texto en la mayoría de los idiomas y sistemas de escritura del mundo
- Texto histórico
- Emoji
UTF-8 y UTF-16 son ambas codificaciones de longitud variable, lo que significa que distintos caracteres ocupan distintas cantidades de espacio.
Considera la letra «a» y el emoji «😛».
En UTF-16 la letra ocupa 2 bytes, pero el emoji ocupa 4 bytes.
El truco de este ejercicio es usar una API diseñada en torno a caracteres Unicode (puntos de código) en lugar de unidades de código Unicode.
Notas sobre Unicode en Tcl
En la versión 8.1, los strings de Tcl podían manejar caracteres Unicode sin problemas.
En aquel entonces, eso era bastante innovador.
Sin embargo, a medida que se fueron creando cada vez más caracteres Unicode, la capacidad de Tcl para manejarlos se quedó atrás.
La implementación interna de Tcl solo podía manejar caracteres Unicode de 16 bits, que apenas cubren los primeros 65,526 caracteres.
Esta página de la wiki de Tcl, en particular la discusión sobre el lenguaje «AndroWish», explica los motivos.
Tcl 9.0 es la primera versión que puede manejar el conjunto completo de caracteres Unicode.
Por lo tanto, este ejercicio solo se resuelve (con facilidad) con la versión 9.0 de Tcl.
